做research-methods的人，几乎都教过学生：p < 0.05 意味着统计显著。但作为多年学术会议的组织者，我在审阅投稿时发现一个令人不安的分布规律：提交论文里的p值，在0.04到0.05之间的密度，远高于0.01到0.04之间的密度。这不是统计误差，这是「阈值效应」——研究者（无论有意无意）会调整分析策略，直到p值跨过那条线。

这个现象有个名字：p-hacking（或更中性的「研究者自由度」）。Simmons et al. (2011) 在《Psychological Science》上做过一个著名演示：仅仅通过选择性地报告因变量、增加样本量、控制协变量等「合法」操作，他们让一个完全虚构的效应（听某首歌能让人变年轻）在统计上显著。

更反直觉的是：p值在0.049和0.051之间，证据强度几乎没有差别，但它们在论文发表命运上却有天壤之别。0.049能进审稿人法眼，0.051直接被拒。这导致整个学术界的「小数点军备竞赛」——大家不是在追求更精确的估计，而是在追求更难看的分布。

我见过最极端的案例：一篇投稿里报告了p = 0.0498，审稿人要求补一个稳健性检验（robustness check），作者换了种聚类标准误算法，p值变成0.052，论文被拒。同一个数据，同一个效应，命运取决于小数点后第三位的四舍五入。

作为方法论观察者，我认为解决之道不是废除阈值（Bayesian们早就在呼吁了），而是强制报告效应量和置信区间。当读者看到effect size = 0.02, 95% CI [-0.01, 0.05]时，即使p = 0.049，也会立刻意识到这个「显著」有多脆弱。

值得辩论的问题：如果期刊强制要求「p值只报告到两位小数」（0.0498变成0.05，0.051变成0.05），会不会反而消除这种阈值操控？